基于人口统计数据的废水流行病学研究：优化人口估算以加强化学监测

《Environmental Science & Technology》：Demographic-Driven Wastewater-Based Epidemiology: Refining Population Estimates for Enhanced Chemical Monitoring

本研究整合英国2021年人口普查、NHS患者注册及污水处理厂化学参数，开发了四种人口估计模型（SA、BtD、BtDO、ByD）。结果表明，BtDO方法在人口估计和不确定性量化方面表现最佳，相对误差最低至1.5%。同时发现老年人口和贫困社区与药物负荷显著相关，传统化学指标易受非人类源污染影响。该框架可扩展至其他地区，提升WBE在公共卫生和环境监测中的应用精度。

　　这项研究聚焦于废水基流行病学（WBE）这一重要的公共卫生和环境监测工具，旨在通过整合高分辨率的2021年英国人口普查数据、国家卫生服务（NHS）患者注册信息以及污水处理厂（WWTP）的化学参数，以提高对污水处理厂服务区域的人口估计精度，并评估人口特征对废水化学成分的影响。WBE作为一种非侵入性的方法，能够实时反映社区的行为模式、化学暴露水平以及疾病流行情况，但在实际应用中，准确的人口估算和人口结构分析仍是关键挑战。

### WBE的重要性与挑战

WBE通过分析废水中的生物标记物，为监测社区的健康状况提供了新的视角。这一方法能够追踪药物使用、污染物排放等信息，从而在不依赖个体数据的情况下，评估公共卫生趋势和环境风险。然而，WBE的有效性依赖于对污水处理厂服务区域的人口规模和人口结构的准确估计。目前，WBE中常用的两个关键指标是“人口头数”（P）和“人口当量”（PE）。人口头数指的是实际居住在污水处理厂服务区域内的居民数量，而人口当量则是基于废水负荷计算的一种操作性指标，用于污水处理厂的设计和运行管理。

在实际操作中，由于人口普查地理边界与污水处理厂服务区域可能存在不匹配，以及流动人口（如通勤者、游客）的存在，准确估算人口头数面临一定困难。此外，非人类来源的废水（如农业径流）也会对负荷指标造成干扰，使得传统基于化学负荷的指标（如化学需氧量COD、生物需氧量BOD）可能高估人口数量，特别是在农业为主的区域。因此，如何区分人口头数与人口当量，以及如何提高人口估算的精度，是WBE研究中的重要课题。

### 研究方法与模型比较

为了提高人口估算的准确性，研究团队采用了一种结合人口普查、NHS患者注册数据和污水处理厂化学数据的方法。他们比较了四种统计模型：简单方法（SA）、密度调整抽样（BtD）、密度调整抽样与重叠（BtDO）以及贝叶斯分层模型（ByD）。这四种方法分别针对不同情况进行了优化，其中BtDO方法在大多数情况下表现最佳，尤其在人口较多且服务区域与人口普查地理边界高度重合的情况下，其相对不确定性可低至1.5%。

简单方法（SA）通过计算人口普查输出区域（OA）与污水处理厂服务区域的重叠比例，得出人口估算值。尽管SA在计算上较为简便，但在服务区域较小或地理边界错配严重的区域中，其估算结果的不确定性较高。相比之下，密度调整抽样（BtD）在考虑人口密度的情况下提高了估算精度，但在较小的区域中仍可能高估或低估人口。而BtDO方法则通过仅对部分重叠的区域进行密度调整，避免了重复计算，从而提高了估算的稳健性。贝叶斯分层模型（ByD）则引入了分层随机效应，以捕捉不同区域间的人口密度变化和土地利用差异，为更复杂的不确定性分析提供了支持。

### 人口与废水化学成分的关系

研究进一步探讨了人口特征对废水化学成分的影响。分析显示，老年人口和高社会经济剥夺区域与药物负荷之间存在显著关联，例如止痛药（如布洛芬、加巴喷丁）的使用量在这些区域较高。这种关联性在不同污水处理厂服务区域中表现各异，但总体趋势一致。此外，研究还发现，基于化学负荷的指标（如COD和BOD）在农业为主的区域中存在系统性偏差，而氨氮（NH4–N）则与总人口当量（PEWWTP,TP）具有更高的相关性，显示出其作为负荷指标的优势。

### 水质指标与人口当量的对比

为了验证这些模型的可靠性，研究团队将估算结果与污水处理厂提供的运营数据进行对比。结果显示，人口普查数据（PCensus）与基于氨氮的人口当量（PEAmmonia）之间存在较好的一致性，而COD和BOD则受到非人类来源的显著影响。这意味着，如果要使用化学指标来估算人口，应优先考虑氨氮，而对于COD和BOD，则需要结合土地利用和工业排放等信息进行校正，以提高其准确性。

此外，研究还发现，污水处理厂服务区域的土地利用类型对废水化学信号具有重要影响。例如，WWTP A和B所在的区域以工业和商业用地为主，其废水信号与人口普查数据高度一致，而WWTP C和D则以农业用地为主，导致废水中的有机负荷与人口数量之间的关系被稀释。这种差异强调了在进行废水基流行病学研究时，必须考虑服务区域的土地利用情况，以避免误判。

### 人口流动与估算偏差

研究还关注了人口流动对估算结果的影响。例如，WWTP C和D中，大量居民通勤或工作地点位于英国以外，导致人口头数与实际居住人口存在偏差。相比之下，WWTP A和B中，居民的通勤比例较低，其人口头数与污水处理厂报告的居民人口当量（PEWWTP,RP）之间的差异较小。这种差异提示我们，对于流动性强或人口分布不均的区域，仅依靠人口普查数据可能无法准确反映废水中的实际人口贡献，因此需要整合更多动态数据（如NHS注册数据）以提高估算精度。

### 模型的适用性与未来发展方向

尽管BtDO方法在多数情况下表现最佳，但其在小规模区域中的应用仍需进一步优化。而ByD方法虽然在不确定性分析方面更为全面，但其计算复杂度较高，可能不适用于所有场景。因此，研究建议未来应开发更具适应性的模型，以应对不同规模和地理特征的污水处理厂服务区域。同时，为了提高WBE的实用性，还需加强数据基础设施的建设，包括统一的地理信息系统（GIS）数据、实时的废水流量监测以及处方数据的整合。

### 预测与公共卫生应用

研究团队还探讨了如何利用处方数据来增强WBE的预测能力。通过将处方数据与人口普查数据结合，他们发现年龄结构和社会经济剥夺水平对药物使用模式具有显著影响。例如，老年人群体更倾向于使用止痛药和抗抑郁药物，而社会经济剥夺程度较高的区域则表现出更高的精神类药物和慢性病治疗药物的使用趋势。这种关联性强调了在进行废水基流行病学分析时，需要结合社会人口数据，以更准确地解读药物负荷的来源和影响。

此外，研究还指出，尽管WBE在监测公共卫生和环境风险方面具有巨大潜力，但其应用仍面临一些挑战。例如，当前的处方数据并未涵盖非处方药和非法药物的使用情况，这可能导致药物负荷估算的不完整性。因此，未来研究应关注如何整合更全面的药物数据，并探索更灵活的模型结构，以提高WBE的准确性和适用性。

### 结论与建议

总体而言，本研究通过整合多源数据，为提高WBE的人口估算精度提供了新的方法框架。BtDO方法在多数情况下表现最佳，尤其适合于人口密集且服务区域与人口普查地理边界高度重合的区域。而ByD方法则为更复杂的不确定性分析提供了支持，适用于需要进行概率推理和长期监测的场景。研究还强调了氨氮作为负荷指标的优势，以及年龄结构和社会经济剥夺水平对药物使用模式的影响。

未来，WBE的应用应进一步扩展至更广泛的地理区域，并结合更多动态数据，如实时废水流量、人口移动模式等，以实现更精确的估算。此外，还需加强对非人类来源废水的识别和校正，以提高负荷指标的可靠性。通过这些努力，WBE有望成为公共卫生和环境监测领域的重要工具，为政策制定和风险评估提供更有力的数据支持。